技术领域：本发明涉及林业自动化领域，具体地说是一种便携式非接触的树木参数测量装置与测量方法。
背景技术：
：20世纪末，林业管理部门对森林资源的勘测的定位还处于手工记录、罗盘仪测量阶段，从而导致工作效率低下、外业工作量大，在很大程度上影响了勘测的效率和结果的精确性。同时，在进行森林资源可持续性发展调查中，大多数也是利用用手工操作获取指标数据，从而导致数据获取较为困难，计算周期较长。然而，现代化的林业就是是以虚拟林业、精准林业和网络化林业为目标的系统工程，其基础工作就是森林资源各项数据的自动测算。树木的胸径、高度等测量因子是我们进行森林资源的调查和管理的需要获得的基本的信息。20世纪70年代以来经过我们的不断怒了和探索终于研制出了一种集距离的测量、角度的测量和数据自动化处理融于在了一起的现代化高科技的测绘仪器：全站仪，到了90年代中叶，国外发达国家例如美国等国在林地的面积的测量方面、树木高度的测量方面中都开始接触了全站仪。这种全新的测量仪器在测量树木的各种参数当中得到了广泛的运用，它不但在测量速度测量精度和测量效率等方面得到了很大的提高，更重要是这种仪器是在不对树木有任何破坏的情况下进行的，只要我们利用这种仪器它就可以自动的实时的获得树木的各项参数。目前，我国已将立体的视觉感应技术、数字的近景拍摄等先进技术进行了改善，使其应用于森林的资源调查、研究和管理当中，从获得实验的结果可以看出，这些技术已经被应用在树木测量系统中都可以测量出树木的高度、树木的胸径以及树冠的体积，但是他们还是在初步实验阶段。非接触式树木测量仪的研制为森林资源调查管理的信息化、自动化、精确化奠定了基础；同时在提高传统的森林调查方法与技术，降低野外调查劳动强度等方面具有重要意义。
技术实现要素：
：本发明的目的是提供一种便携式非接触的树木参数测量装置与测量方法，既可以克服接触式测量仪器使用产生磨损的缺陷，还解决了传统仪器功能单一、测量不准确、不易便携等缺点，此外也解决森林树木智能化和科学化管理落后的问题。上述的目的通过以下的技术方案实现：一种便携式非接触的树木参数测量装置，其组成包括：GPS天线3、超声波传感器4、摄像头5、SD卡8、显示屏2、多个操控按钮1，所述的显示屏2安装在上壳体9的上表面的凸台10上，所述的上壳体9的上表面设置多个操控按钮1，所述的操控按钮1设置在所述的凸台10的下方与凸台10的右侧，所述的上壳体9的顶端的右侧连接带转轴11的GPS天线3，所述的上壳体9的顶端安装摄像头5，所述的上壳体9的顶端安装超声波传感器4，所述的GPS天线3的左侧设置所述的摄像头5，所述的摄像头5的左侧设置所述的超声波传感器4，所述的上壳体9的右侧面设置有控制开关7，所述的上壳体9的尾端插入SD卡8，所述的上壳体9的底端连接下壳体6。所述的一种便携式非接触的树木参数测量装置，所述的SD卡8双向传递信号给中心处理器，所述的摄像头5将信号单向传递给胸径采集模块，所述的超声波传感器4将信号单向传递给胸径采集模块与树高采集模块，所述的树高采集模块还接收接收三轴MEMS姿态传感器单向传递的信号，所述的中心处理器接收胸径采集模块、树高采集模块与GPS处理模块单向传递的信号，所述的GPS处理模块接收接收GPS天线3单向传递的信号；所述的显示屏2将信号单向传递给显示处理模块，所述的多个操控按钮1将信号单向传递给键盘处理模块，所述的显示处理模块与所述的键盘处理模块将信号单向传递给所述的中心处理器，所述的中心处理器接收时钟模块与电源管理模块单向传递的信号，所述的电源管理模块接收电池传递的电流电压信号。所述的一种便携式非接触的树木参数测量装置的测量方法，测量方法包括树木高度测量方法、GPS面积测量方法与数据管理方法；所述的树木高度测量方法、所述的GPS面积测量方法与所述的数据管理方法需要使用树木图像边缘处理技术、边缘轮廓的提取技术、边缘轮廓的测量和检测技术、超声波测距方法及数据融合技术；树木图像边缘处理技术用于处理树木有效树干部分的图像与其周围图像预处理；边缘轮廓的提取技术用于提取树木有效树干部分的图像、边缘轮廓的测量检测技术用于测量所采集的树木有效轮廓的实际数值；超声波测距技术采用超声波传感器4测量仪器与树木之间的距离，为采集到的图像进行距离标定；数据融合技术是将超声波测量的数据和图像测量的树木数据进行结合最后得到树木的真实胸径数据。所述的一种便携式非接触的树木参数测量装置的测量方法，所述的树木高度测量方法，采用三轴MEMS姿态传感器和超声波传感器4进行组合测量进行测量树高测量；三轴MEMS姿态传感器中包含三轴MEMS陀螺和三轴MEMS加速度计，能够根据三轴MEMS姿态传感器本身的姿态准确测量仪器相对于水平姿态的倾斜角度，通过测量指定的两个仪器姿态的角度，再利用超声波传感器4测量其中一个姿态的仪器到树干的距离，利用三角形的原理计算树木的有效高度。所述的一种便携式非接触的树木参数测量装置的测量方法，所述的GPS面积测量方法，GPS定位模块采用全球卫星技术实现定位技术，通过定位测量面积的不规则边缘点的空间位置坐标，利用三角形方法对这个不规则区域进行分割，形成多个三角形区域，通过对每个三角形区域的计算后的相加，得到不规则区域的面积，从而实现小班林木区域面积的测量。所述的一种便携式非接触的树木参数测量装置的测量方法，所述的数据管理方法，对测量的每棵树木建立唯一编号，建立该树木的种类、位置、生长年份的基本信息，根据测量日期建立该树木的胸径、树高的测量档案；根据树木测量的数据能够建立可见的图表，对树木的生长状态和成长轨迹进行分析对比，所有的数据建立统一数据统计和管理格式，系统配置SD卡(8)，可根据深林中的实际状况，实时进行数据汇总和统计的存储。有益效果：1.本发明提供了数据智能管理和统计的功能，通过测量日期和地理位置等信息能够对测量的每棵树木和区域内的蓄积率实现管理和统计，并提供标准格式的数据信息，为全国范围内的林木数据快速实时统计提供保障和支持。2.本发明在采伐设计中，可使用GPS定位技术求面积、割分采伐小班，并将GPS采集的数据作为地理信息系统(GIS)的基础数据。使用GPS可快速、准确地定位所采伐的小班位置是否正确、面积是否准确、是否超边越界等。针对各种征占、毁坏林地的行为，可用GPS快速准确定位，并及时将数据提供给林业管理数据库，绘制出被征占、毁坏林地的准确位置、面积及图形，以便加强管理。3.本发明的三轴MEMS陀螺和加速度计能够静态测量空间物体在空间惯性坐标下的旋转角速度和重力加速度，通过数据融合和解算能够确定出物体在空间惯性坐标系下姿态。4.本发明的MEMS惯性器件以其体积小，价格低廉，功能强大，短时漂移小等优点，逐渐在人民的生产生活中得到广泛的应用。5.本发明的GPS定位是通过内置的GPS接收模块通过天文卫星对树木进行空间定位，同时也能够有效管理林木的小班面积等信息。附图说明：附图1是本发明的结构示意图。附图2是本发明的电气流程图。附图3是本发明的树木胸径测量方法的示意图。附图4是本发明的树木高度测量方法的示意图。附图5是本发明的树木测量面积的示意图A。附图6是本发明的树木测量面积的示意图B。附图7是本发明的实施例2中(3)边缘检测的SOBEL图片。附图8是本发明的实施例2中(4)灰度值方图。附图9是本发明的实施例2中(4)毫米-像素的比例关系图。附图10是本发明的实施例7中第一组图片。附图11是本发明的实施例7中第二组图片。附图12是本发明的实施例7中第三组图片。具体实施方式：实施例1结合图1说明，一种便携式非接触的树木参数测量装置，其组成包括：GPS天线3、超声波传感器4、摄像头5、SD卡8、显示屏2、多个操控按钮1，所述的显示屏2安装在上壳体9的上表面的凸台10上，所述的上壳体9的上表面设置多个操控按钮1，所述的操控按钮1设置在所述的凸台10的下方与凸台10的右侧，所述的上壳体9的顶端的右侧连接带转轴11的GPS天线3，所述的上壳体9的顶端安装摄像头5，所述的上壳体9的顶端安装超声波传感器4，所述的GPS天线3的左侧设置所述的摄像头5，所述的摄像头5的左侧设置所述的超声波传感器4，所述的上壳体9的右侧面设置有控制开关7，所述的上壳体9的尾端插入SD卡8，所述的上壳体9的底端连接下壳体6。结合图2说明，所述的一种便携式非接触的树木参数测量装置，所述的SD卡8双向传递信号给中心处理器，所述的摄像头5将信号单向传递给胸径采集模块，所述的超声波传感器4将信号单向传递给胸径采集模块与树高采集模块，所述的树高采集模块还接收接收三轴MEMS姿态传感器单向传递的信号，所述的中心处理器接收胸径采集模块、树高采集模块与GPS处理模块单向传递的信号，所述的GPS处理模块接收接收GPS天线3单向传递的信号；所述的显示屏2将信号单向传递给显示处理模块，所述的多个操控按钮1将信号单向传递给键盘处理模块，所述的显示处理模块与所述的键盘处理模块将信号单向传递给所述的中心处理器，所述的中心处理器接收时钟模块与电源管理模块单向传递的信号，所述的电源管理模块接收电池传递的电流电压信号。结合图3、4、5说明，所述的一种便携式非接触的树木参数测量装置的测量方法，测量方法包括树木高度测量方法、GPS面积测量方法与数据管理方法；所述的树木高度测量方法、所述的GPS面积测量方法与所述的数据管理方法需要使用树木图像边缘处理技术、边缘轮廓的提取技术、边缘轮廓的测量和检测技术、超声波测距方法及数据融合技术；树木图像边缘处理技术用于处理树木有效树干部分的图像与其周围图像预处理；边缘轮廓的提取技术用于提取树木有效树干部分的图像、边缘轮廓的测量检测技术用于测量所采集的树木有效轮廓的实际数值；超声波测距技术采用超声波传感器4测量仪器与树木之间的距离，为采集到的图像进行距离标定；数据融合技术是将超声波测量的数据和图像测量的树木数据进行结合最后得到树木的真实胸径数据。结合图3说明，所述的一种便携式非接触的树木参数测量装置的测量方法，所述的树木高度测量方法，采用三轴MEMS姿态传感器和超声波传感器4进行组合测量进行测量树高测量；三轴MEMS姿态传感器中包含三轴MEMS陀螺和三轴MEMS加速度计，能够根据三轴MEMS姿态传感器本身的姿态准确测量仪器相对于水平姿态的倾斜角度，通过测量指定的两个仪器姿态的角度，再利用超声波传感器4测量其中一个姿态的仪器到树干的距离，利用三角形的原理计算树木的有效高度。结合图4、5说明，所述的一种便携式非接触的树木参数测量装置的测量方法，所述的GPS面积测量方法，GPS定位模块采用全球卫星技术实现定位技术，通过定位测量面积的不规则边缘点的空间位置坐标，利用三角形方法对这个不规则区域进行分割，形成多个三角形区域，通过对每个三角形区域的计算后的相加，得到不规则区域的面积，从而实现小班林木区域面积的测量。所述的一种便携式非接触的树木参数测量装置的测量方法，所述的数据管理方法，对测量的每棵树木建立唯一编号，建立该树木的种类、位置、生长年份的基本信息，根据测量日期建立该树木的胸径、树高的测量档案；根据树木测量的数据能够建立可见的图表，对树木的生长状态和成长轨迹进行分析对比，为科学养殖和种植提供有效数据；为了便于树木的小班管理、砍伐及建立全国林木的数字化管理系统，所有的数据建立统一数据统计和管理格式，系统配置SD卡8，可根据深林中的实际状况，实时进行数据汇总和统计的存储，避免数据的丢失，为林业系统进行实时信息采集和决策提供可靠的数据保障。实施例2实施例1所述的一种便携式非接触的树木参数测量装置与测量方法，(1)数字图像的边缘处理技术边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，存在于对象和背景，对象和对象，区域和区域之间。边缘总是存在于两个有不同灰度的区域之间，这是由于两个区域之间的灰度是不连续的。边缘检测是一种基于图像分割的非连续性检测，图像的边缘检测是图像处理和分析的基础内容，也是迄今无法完全解决的一个问题。当图像受到投影，混合和噪声等因素的影响时，图像特征会变得模糊和失真，使得图像特征的提取变得困难。这些因素的存在使图像的边缘检测变得非常困难。因此对图像进行预处理变得尤为重要。图像的预处理：图像的预处理是使用平滑处理的方法，其主要目的是减少噪声。，对其他类型的噪声也有很好的效果。线性滤波器是最简单的局部均值运算中，像素点中的每一个灰度值f(k，l)用其邻域局部1个点灰度值均值h(i，j)来置换。计算公式如式：其中，M是邻域N内的像素点总数；f(k，l)是邻域N内位置(k，l)处的灰度值。图像中的不连续、尖锐部分变模糊是均值滤波的主要问题。那么不仅想消除噪声又希望保持图像的细节，就能利用非线性滤波算法。最简单就是非线性滤波器，基本思路是依赖于邻域内那些与典型值差别很大的值，由于它不是简单的取均值，一次产生的模糊相对来说很少。方法是将大小固定模板在图中漫游，将某个像素与图中的模板位置重合，我们读取该模板所对应的像素的灰度值，我们将灰度值按照从小到大的顺序给它们排列起来，接下来取序列内的中值代替模板内像素的值。中值滤波后的图像均匀，噪声消除，滤波后的图像没有改变边界的基本信息。对于均值滤波，从图内看出，边界模糊，测量效果不好。(2)边缘轮廓的提取对边缘的轮廓进行提取是对物体尺寸进行有关测量的关键。二维的轮廓线的提取在于边缘点的提取，因为边缘带灰度值的变化是非常明显的，所以边缘点的确定就是利用灰度值的变化，因此对图像边缘进行检测的手段一般是先利用微分算法，锐化一下图像的边缘，之后选取1种模板与锐化值后的图像做卷积运算，这样就可以得到边缘的轮廓的图像，边缘的轮廓提取是否精确的决定于算法的优或劣。对于相对简单的图像来说：即被测量的物体与它的背景画面的对比度非常明显，因为这种算法运算的数量比较大、效率也不高，不适用于测量简单的图像，因此我们利用另外一种方法即阈值计算法，这种方法首先根据图像的灰度的直方图的分布不同，通过计算得到该被测量物体的灰度的阈值，再根据该图像的阈值将其进行二值化，然后可以形成一个锐化后的图像，最后我们就利用逐列进行扫描的方法获得边缘的曲线。(3)边缘检测Sobel算子为滤波算法的基本方式，用这两个模板做卷积就能表示出图像内的所有点，垂直边缘决定于第一个模其计算值为图像的垂直差分；水平边缘影第二个模板对其计算值为图像水平差分。Sobel算子的计算包括两种方法，一种是取两种差分之和，另一种是取水平差分与垂直差分中的最大值，通常使用后者。设S(C)为Sobel算子计算结果，处理前该点的灰度值为f(i，j)，公式为：(4)阈值计算法一般图像通常包括对像、背景和噪声。要从多值的数字图像中提出对像物，通过滤波算法去除噪声点，然后设定某一阈值θ，用θ将图像数据划分为2部分，即大于θ像素的群和小于θ像素的群。计算阈值的算法一般有最小误差法、最大方差阈值法、差分直方图法等。一种直观、简单的方法就是直方图法，它的目的就是选择最佳阈值使图像中的目标物和背景分割后错误最小。假设图像仅包含背景和目标物，则直方图形状为两峰夹1谷，如图8，在谷底150到200之间取值误差为最小。可以直接按步搜索到谷底的位置，步长就是1个灰度值。但是这种方法在实际应用中很不可行，因为实际的直方图有噪声的干扰，不一定是理想的两峰夹1谷，大部分情况很难搜索到谷底从而出现差错。最大方差阈值法由Otsu提出后，实践证明这种计算效果非常好，它是基于最小二乘法推导。具体实现方法：设1幅图像的灰度值分为0-m级，灰度值为i的像素为n；则总像素数为：那么各个灰度值在算式中出现的基本概率为：pi＝ni/N。然后我们将得到的灰度值可以分为2组：c0＝{0～k